AI Agent在智能分析领域的价值与实践.docx

分享主题

AIAgent在智能分析领域的价值与实践

李飞（博士）数势科技AI负责人

截屏扫码，

领取网络研讨会资料合集(含本期)

目录Contents

02.智能分析产品介绍基于对话式交互的难点和复杂性

02.

智能分析产品介绍

基于对话式交互的难点和复杂性如何解决对话式数据分析的难点Swiftagent产品介绍

03.

客户案例介绍

传统数据分析的痛点

案例背景项目解决方案项目效果

案例背景

项目解决方案项目效果

数据开发团队痛点

传统数据分析的痛点01

传统数据分析的痛点

痛点信息过载这些真实的客户声音例子反映了一个通用的诉求：管理团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深

痛点

信息过载

这些真实的客户声音例子反映了一个通用的诉求：管理团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更高的期待。

以下是3个不同客户发出的真实声音示例，反映了管理团队对现有数据驾驶舱大屏产品的痛点体验：

Data≠Insight：我们公司花了很大精力建设了驾驶舱和各种大屏，

看起来很高端，但数字并不等于见解。每次有具体问题，团队还得回去挖数据、分析指标，周报变成了无尽的等待游戏。

SpeedisEverything：每当董事会要求针对数据作出快速反应时，我都希望能够立刻拿到结论，这个数据大屏却只能给我表面的数，深入分析还得是手工在数仓里建作业，太慢了。

TheGoldenWhyQuestion：我们的驾驶舱解决了数据展示的问题，但未触及数据解释的关键。当涉及到业务背后的为什么时，它似乎没有答案。

痛点以下是3个不同客户发出的真实声音示例，反映了业务团队在指标获取、数据分析与数据挖掘方面的核心痛点：SQL学习难度高：尽管我们有意愿深挖数据背后的真相，但SQL的复杂性让我们非技术人员望而却步。许多时间都浪费在了查询语言的学习上，而不是洞察和行动。BI报表配置难度高：

痛点

以下是3个不同客户发出的真实声音示例，反映了业务团队在指标获取、数据分析与数据挖掘方面的核心痛点：

SQL学习难度高：尽管我们有意愿深挖数据背后的真相，但SQL的复杂性让我们非技术人员望而却步。许多时间都浪费在了查询语言的学习上，而不是洞察和行动。

BI报表配置难度高：我们依赖BI工具来提供数据的可视化，但每次都需要技术团队介入来配置数据集和报表，它的复杂程度令人沮丧。

大量时间花费在导出数据到Excel里输出结论：分析团队的日常就像Excel的奴隶，时常花费大把时间将数据导入、整理和分析，这种重复低效的工作限制了我们对数据快速反馈的能力。

SQL学习难度高BI报表配置难度高

SQL学习难度高

BI报表配置难度高

导出到Excel手动看数成了日常工作

高SQL学习曲线、BI工具配置的复杂性以及对Excel的

过度依赖，这些都是业务团队在追求灵活性和效率时的主要痛点。这反映出业务团队对于更加智能、响应迅速的数据分析解决方案的强烈需求，希望借此能够加速从数据中获取洞见、生成结论，并解释数据背后的相关性。

痛点以下是3个不同客户发出的真实声音示例，反映了数据团队在指标定义、指标开发和指标管理方面的核心痛点：报表需求灵活多变，临时表冗余：我们数据团队大部分时间都花在了

痛点

以下是3个不同客户发出的真实声音示例，反映了数据团队在指标定义、指标开发和指标管理方面的核心痛点：

报表需求灵活多变，临时表冗余：我们数据团队大部分时间都花在了应对业务部门多变的报表需求上，每次业务流程一变，我们就得开发各种临时表、中间表。这不仅效率低，还很容易造成错误，甚至有的表用一次就废了

指标口径不一致：虽然公司有众多部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种不一致性给跨部门的沟通和决策带来了混乱

难以实时响应业务新增指标需求：每次业务人员新增一个指标开发需求，都希望我们能半小时内提供相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

010302

01

03

02

交易额A交易额C报表需求灵活多变交易额B

交易额A

交易额

C

报表需求灵活多变

指标口径不一致

指标口径不一致

难以实时响应业务

难以实时响应业务新增指标需求

这些客户声音深刻地揭示了数据团队在建立和维护指标体系时面对的实际困境。他们需要的不光是将数据转换成视觉呈现，更加迫切地需要一套能够简化重复性报表需求、统一指